ਓਪਨ ਸੋਰਸ ਦੀ ਦੁਨੀਆ ਦਾ ਓਪਸ ਪਲ: ਕੀ GLM-5 ਏਜੰਟਿਕ ਕੋਡਿੰਗ ਦੀ ਰਿਲੇਅ ਸਟਿੱਕ ਨੂੰ ਫੜ ਸਕਦਾ ਹੈ?
ਜੇ ਤੁਸੀਂ ਕਿਸੇ ਡਿਵੈਲਪਰ ਨੂੰ ਪੁੱਛੋ, ਤਾਂ AI ਪ੍ਰੋਗਰਾਮਿੰਗ ਦਾ ਸਭ ਤੋਂ ਨਿਰਾਸ਼ਾਜਨਕ ਪਲ ਕੀ ਹੈ?
ਉਸਦਾ ਜਵਾਬ ਸ਼ਾਇਦ ਇਹ ਹੋਵੇਗਾ ਕਿ ਗਲਤੀ ਦੇ ਸਾਹਮਣੇ ਉਸਦਾ ਮਕੈਨੀਕਲ "ਮੈਨੂੰ ਮਾਫ ਕਰਨਾ, ਮੈਂ ਗਲਤ ਸਮਝਿਆ", ਅਤੇ ਫਿਰ ਉਸੇ ਗਲਤ ਕੋਡ ਨੂੰ ਦੁਹਰਾਉਣਾ।
ਪਿਛਲੇ ਸਾਲ ਵਿੱਚ, ਕੋਡਿੰਗ ਵੱਡੇ ਮਾਡਲਾਂ ਵਿੱਚ ਸੁਧਾਰ ਮੁੱਖ ਤੌਰ 'ਤੇ "ਉਤਪਾਦਨ ਸਮਰੱਥਾ" ਵਿੱਚ ਪ੍ਰਤੀਬਿੰਬਤ ਹੋਇਆ ਹੈ: ਇੱਕ ਵਾਕ ਵੈੱਬਪੇਜ, ਕੰਪੋਨੈਂਟ, ਛੋਟੀਆਂ ਗੇਮਾਂ ਤਿਆਰ ਕਰਦਾ ਹੈ - 15 ਸਕਿੰਟਾਂ ਵਿੱਚ ਇੱਕ ਪਿਕਸਲ-ਸ਼ੈਲੀ ਵਾਲਾ ਵੈੱਬਪੇਜ, ਇੱਕ ਸ਼ਾਨਦਾਰ SVG ਆਈਕਨ, ਜਾਂ ਇੱਕ ਚੱਲਦਾ ਸੱਪ ਬਣਾਉਂਦਾ ਹੈ। ਇਹ ਡੈਮੋ ਕਾਫ਼ੀ ਹੈਰਾਨੀਜਨਕ ਹਨ, ਪਰ ਕਾਫ਼ੀ "ਹਲਕੇ" ਵੀ ਹਨ, ਉਹ ਵਾਈਬ ਕੋਡਿੰਗ (ਵਾਤਾਵਰਣ ਕੋਡਿੰਗ) ਦੇ ਯੁੱਗ ਵਿੱਚ ਪੈਦਾ ਹੋਏ ਉੱਚ-ਪੱਧਰੀ ਖਿਡੌਣਿਆਂ ਵਰਗੇ ਹਨ। ਪਰ ਜਦੋਂ ਇਹ ਉੱਚ-ਸਮਕਾਲੀ ਆਰਕੀਟੈਕਚਰ, ਅੰਡਰਲਾਈੰਗ ਡਰਾਈਵਰ ਅਨੁਕੂਲਨ, ਜਾਂ ਗੁੰਝਲਦਾਰ ਸਿਸਟਮ ਰੀਕੰਸਟਰਕਸ਼ਨ ਦੀ ਗੱਲ ਆਉਂਦੀ ਹੈ, ਤਾਂ ਉਹ "ਗ੍ਰੀਨਹਾਉਸ ਵਿੱਚ ਫੁੱਲ" ਬਣ ਜਾਂਦੇ ਹਨ।
ਇਸ ਲਈ ਹਾਲ ਹੀ ਵਿੱਚ, ਸਿਲੀਕਾਨ ਵੈਲੀ ਵਿੱਚ ਹਵਾ ਬਦਲ ਗਈ ਹੈ।
ਭਾਵੇਂ ਇਹ ਕਲਾਉਡ ਓਪਸ 4.6 ਹੋਵੇ ਜਾਂ GPT-5.3, ਇਹ ਚੋਟੀ ਦੇ ਵੱਡੇ ਮਾਡਲ ਏਜੰਟਿਕ ਕੋਡਿੰਗ 'ਤੇ ਜ਼ੋਰ ਦੇਣਾ ਸ਼ੁਰੂ ਕਰ ਰਹੇ ਹਨ: "ਸਕਿੰਟਾਂ ਵਿੱਚ ਨਤੀਜੇ" ਪ੍ਰਾਪਤ ਕਰਨ ਦੀ ਬਜਾਏ, ਉਹ ਯੋਜਨਾਬੰਦੀ, ਵਿਘਨ ਅਤੇ ਦੁਹਰਾਉਣ ਵਾਲੇ ਓਪਰੇਸ਼ਨਾਂ ਦੁਆਰਾ ਸਿਸਟਮ-ਪੱਧਰੀ ਕਾਰਜਾਂ ਨੂੰ ਪੂਰਾ ਕਰਦੇ ਹਨ।
"ਫਰੰਟ-ਐਂਡ ਸੁਹਜ" ਤੋਂ "ਸਿਸਟਮ ਇੰਜੀਨੀਅਰਿੰਗ" ਵਿੱਚ ਇਸ ਪੈਰਾਡਾਈਮ ਤਬਦੀਲੀ ਨੂੰ ਇੱਕ ਵਾਰ ਬੰਦ ਸਰੋਤ ਦਿੱਗਜਾਂ ਦਾ ਏਕਾਧਿਕਾਰ ਖੇਤਰ ਮੰਨਿਆ ਜਾਂਦਾ ਸੀ। ਜਦੋਂ ਤੱਕ ਮੈਂ GLM-5 ਦੀ ਜਾਂਚ ਨਹੀਂ ਕੀਤੀ, ਮੈਨੂੰ ਅਹਿਸਾਸ ਹੋਇਆ ਕਿ ਓਪਨ ਸੋਰਸ ਕਮਿਊਨਿਟੀ ਦਾ "ਆਰਕੀਟੈਕਟ ਯੁੱਗ" ਸਮੇਂ ਤੋਂ ਪਹਿਲਾਂ ਸ਼ੁਰੂ ਹੋ ਗਿਆ ਹੈ।
01
"ਫਰੰਟ-ਐਂਡ" ਤੋਂ "ਸਿਸਟਮ ਇੰਜੀਨੀਅਰਿੰਗ"
ਪਹਿਲਾਂ, ਜਦੋਂ AI ਕੋਡਿੰਗ ਦੀ ਗੱਲ ਆਉਂਦੀ ਸੀ, ਤਾਂ ਜ਼ਿਆਦਾਤਰ ਲੋਕ ਇੱਕ ਜਾਣੀ-ਪਛਾਣੀ ਕਹਾਣੀ ਬਾਰੇ ਸੋਚਦੇ ਸਨ - ਇੱਕ ਵਾਕ ਇੱਕ ਵੈੱਬਪੇਜ ਤਿਆਰ ਕਰਦਾ ਹੈ, ਇੱਕ ਮਿੰਟ ਵਿੱਚ ਇੱਕ ਛੋਟੀ ਜਿਹੀ ਗੇਮ ਬਣਾਉਂਦਾ ਹੈ, ਅਤੇ ਦਸ ਸਕਿੰਟਾਂ ਵਿੱਚ ਇੱਕ ਸ਼ਾਨਦਾਰ ਮੋਸ਼ਨ ਇਫੈਕਟ ਬਣਾਉਂਦਾ ਹੈ। ਉਹ "ਵਿਜ਼ੂਅਲ ਖੁਸ਼ੀ" 'ਤੇ ਜ਼ੋਰ ਦਿੰਦੇ ਹਨ: ਬਟਨ ਹਿੱਲਦੇ ਹਨ, ਪੰਨੇ ਸੁੰਦਰ ਹੁੰਦੇ ਹਨ, ਅਤੇ ਵਿਸ਼ੇਸ਼ ਪ੍ਰਭਾਵ ਭਰਪੂਰ ਹੁੰਦੇ ਹਨ।
ਪਰ ਅਸਲ ਵਿੱਚ ਇੰਜੀਨੀਅਰਿੰਗ ਸਾਈਟ ਵਿੱਚ ਦਾਖਲ ਹੋਣ ਵਾਲੇ ਹਰ ਕੋਈ ਜਾਣਦਾ ਹੈ ਕਿ ਇੱਕ ਡੈਮੋ ਤਿਆਰ ਕਰਨ ਦੇ ਯੋਗ ਹੋਣ ਦਾ ਮਤਲਬ ਇਹ ਨਹੀਂ ਹੈ ਕਿ ਤੁਸੀਂ ਇੱਕ ਸਿਸਟਮ ਦਾ ਸਮਰਥਨ ਕਰ ਸਕਦੇ ਹੋ।
ਗੁੰਝਲਦਾਰ ਕਾਰਜਾਂ ਦੀ ਮੁਸ਼ਕਲ "ਕੋਡ ਲਿਖਣ" ਵਿੱਚ ਨਹੀਂ ਹੈ, ਸਗੋਂ ਇਸ ਵਿੱਚ ਹੈ ਕਿ ਮੋਡੀਊਲ ਨੂੰ ਕਿਵੇਂ ਵੰਡਣਾ ਹੈ, ਸਥਿਤੀ ਨੂੰ ਕਿਵੇਂ ਪ੍ਰਬੰਧਿਤ ਕਰਨਾ ਹੈ, ਅਸਧਾਰਨਤਾਵਾਂ ਨੂੰ ਕਿਵੇਂ ਸੰਭਾਲਣਾ ਹੈ, ਪ੍ਰਦਰਸ਼ਨ ਨੂੰ ਕਿਵੇਂ ਅਨੁਕੂਲ ਬਣਾਉਣਾ ਹੈ, ਅਤੇ ਜਦੋਂ ਸਿਸਟਮ ਗੁੰਝਲਦਾਰ ਹੋਣਾ ਸ਼ੁਰੂ ਹੋ ਜਾਂਦਾ ਹੈ, ਤਾਂ ਕੀ ਇਹ ਅਜੇ ਵੀ ਢਾਂਚੇ ਨੂੰ ਸਥਿਰ ਰੱਖ ਸਕਦਾ ਹੈ।
ਇਸ ਲਈ ਅਸੀਂ ਗੁੰਝਲਦਾਰ ਕਾਰਜਾਂ ਨੂੰ ਅਸਲ ਟੈਸਟ ਵਸਤੂਆਂ ਵਜੋਂ ਚੁਣਦੇ ਹਾਂ।
GLM-5 ਦੀ ਸਥਿਤੀ ਬਹੁਤ ਸਾਰੇ ਮੁਕਾਬਲੇਬਾਜ਼ਾਂ ਨਾਲੋਂ ਵੱਖਰੀ ਹੈ।
ਜੇ ਇਹ ਕਿਹਾ ਜਾਵੇ ਕਿ ਜ਼ਿਆਦਾਤਰ ਮਾਡਲ "ਸ਼ਾਨਦਾਰ ਫਰੰਟ-ਐਂਡ" ਵਰਗੇ ਹਨ - ਇੰਟਰਐਕਟਿਵ ਇੰਟਰਫੇਸ ਅਤੇ ਵਿਜ਼ੂਅਲ ਇਫੈਕਟਸ ਨੂੰ ਤੇਜ਼ੀ ਨਾਲ ਤਿਆਰ ਕਰਨ ਵਿੱਚ ਚੰਗੇ ਹਨ, ਤਾਂ GLM-5 "ਸਿਸਟਮ ਇੰਜੀਨੀਅਰਿੰਗ ਭੂਮਿਕਾ" ਵੱਲ ਵਧੇਰੇ ਝੁਕਾਅ ਰੱਖਦਾ ਹੈ। ਇਹ ਬਹੁ-ਮੋਡੀਊਲ ਸਹਿਯੋਗ, ਲੰਬੇ-ਲਿੰਕ ਕਾਰਜਾਂ ਅਤੇ ਉਤਪਾਦਨ ਵਾਤਾਵਰਣ ਵਿੱਚ ਚਲਾਉਣ ਯੋਗ ਢਾਂਚਾਗਤ ਸਥਿਰਤਾ 'ਤੇ ਜ਼ੋਰ ਦਿੰਦਾ ਹੈ।
ਇਸਦੀ ਪੁਸ਼ਟੀ ਕਰਨ ਲਈ, ਅਸੀਂ ਪੂਰੀ ਤਰ੍ਹਾਂ ਵੱਖ-ਵੱਖ ਮਾਪਾਂ ਦੇ ਦੋ ਅਸਲ ਟੈਸਟ ਕੇਸ ਤਿਆਰ ਕੀਤੇ ਹਨ।
ਪਹਿਲਾ ਟੈਸਟ ਇੱਕ ਅਜਿਹਾ ਕੰਮ ਹੈ ਜੋ ਦੇਖਣ ਵਿੱਚ ਆਸਾਨ ਹੈ ਪਰ ਅਸਲ ਵਿੱਚ ਬਹੁਤ ਜ਼ਿਆਦਾ ਸਿਸਟਮਾਈਜ਼ਡ ਹੈ - ਇੱਕ ਬ੍ਰਾਊਜ਼ਰ ਅਤੇ ਕੈਮਰੇ 'ਤੇ ਅਧਾਰਤ, ਇੱਕ "AI ਵਿਜ਼ੂਅਲ ਏਅਰ ਕੰਟਰੋਲਡ ਫਾਇਰਵਰਕਸ" ਸਪਰਿੰਗ ਫੈਸਟੀਵਲ ਥੀਮਡ ਇੰਟਰਐਕਟਿਵ ਗੇਮ ਨੂੰ ਲਾਗੂ ਕਰਨਾ।
ਅਸਲ ਟੈਸਟ ਵੀਡੀਓ ਵਿੱਚ ਦੇਖਿਆ ਜਾ ਸਕਦਾ ਹੈ ਕਿ ਉਪਭੋਗਤਾ ਕੈਮਰੇ ਦੇ ਸਾਹਮਣੇ ਖੜ੍ਹਾ ਹੈ ਅਤੇ ਫਾਇਰਵਰਕਸ ਦੀ ਸ਼ੁਰੂਆਤ ਦੀ ਦਿਸ਼ਾ ਅਤੇ ਤਾਲ ਨੂੰ ਨਿਯੰਤਰਿਤ ਕਰਨ ਲਈ ਸੰਕੇਤਾਂ ਦੀ ਵਰਤੋਂ ਕਰਦਾ ਹੈ; ਫਾਇਰਵਰਕਸ ਹਵਾ ਵਿੱਚ ਖਿੜਦੇ ਹਨ, ਕਣ ਪ੍ਰਭਾਵਾਂ ਅਤੇ ਗਤੀਸ਼ੀਲ ਰੋਸ਼ਨੀ ਪ੍ਰਭਾਵਾਂ ਦੇ ਨਾਲ, ਸਮੁੱਚਾ ਪਰਸਪਰ ਪ੍ਰਭਾਵ ਨਿਰਵਿਘਨ ਅਤੇ ਕੁਦਰਤੀ ਹੈ।
ਪਰ ਇਹ ਕੋਈ ਸਧਾਰਨ ਫਰੰਟ-ਐਂਡ ਮੋਸ਼ਨ ਇਫੈਕਟ ਪ੍ਰੋਜੈਕਟ ਨਹੀਂ ਹੈ। ਇਸ ਵਿੱਚ ਘੱਟੋ-ਘੱਟ ਹੇਠਾਂ ਦਿੱਤੇ ਕਈ ਮੁੱਖ ਮੋਡੀਊਲ ਸ਼ਾਮਲ ਹਨ: ਸੰਕੇਤ ਪਛਾਣ ਅਤੇ ਵਿਜ਼ੂਅਲ ਇਨਪੁਟ ਪ੍ਰੋਸੈਸਿੰਗ; ਸ਼ੁਰੂਆਤੀ ਤਰਕ ਲਈ ਸੰਕੇਤ ਕੋਆਰਡੀਨੇਟਸ ਦੀ ਮੈਪਿੰਗ; ਫਾਇਰਵਰਕਸ ਕਣ ਸਿਸਟਮ ਅਤੇ ਖਿੜਨ ਦੇ ਵਿਸ਼ੇਸ਼ ਪ੍ਰਭਾਵ; ਰੀਅਲ-ਟਾਈਮ ਰੈਂਡਰਿੰਗ ਅਤੇ ਫਰੇਮ ਰੇਟ ਕੰਟਰੋਲ; ਬ੍ਰਾਊਜ਼ਰ ਅਨੁਕੂਲਤਾ ਅਤੇ ਕੈਮਰਾ ਅਧਿਕਾਰ ਅਸਧਾਰਨਤਾ ਹੈਂਡਲਿੰਗ; ਪਰਸਪਰ ਪ੍ਰਭਾਵ ਸਥਿਤੀ ਪ੍ਰਬੰਧਨ ਅਤੇ ਉਪਭੋਗਤਾ ਫੀਡਬੈਕ ਵਿਧੀ
ਇਹ ਕਿਹਾ ਜਾ ਸਕਦਾ ਹੈ ਕਿ ਇਹ ਇੱਕ ਸੰਪੂਰਨ ਢਾਂਚੇ ਅਤੇ ਨਿਰਵਿਘਨ ਅਨੁਭਵ ਵਾਲਾ ਇੱਕ ਛੋਟਾ ਇੰਟਰਐਕਟਿਵ ਸਿਸਟਮ ਹੈ। ਅਸਲ ਟੈਸਟ ਪ੍ਰਕਿਰਿਆ ਤੋਂ, ਇਹ ਦੇਖਿਆ ਜਾ ਸਕਦਾ ਹੈ ਕਿ GLM-5 ਸਿੱਧੇ ਤੌਰ 'ਤੇ ਕੋਡਿੰਗ ਵਿੱਚ ਦਾਖਲ ਨਹੀਂ ਹੋਇਆ, ਸਗੋਂ ਪਹਿਲਾਂ ਸਮੁੱਚੇ ਆਰਕੀਟੈਕਚਰ ਦੀ ਯੋਜਨਾ ਬਣਾਈ: ਵਿਜ਼ੂਅਲ ਇਨਪੁਟ ਮੋਡੀਊਲ, ਕੰਟਰੋਲ ਲਾਜਿਕ ਲੇਅਰ, ਰੈਂਡਰਿੰਗ ਲੇਅਰ ਅਤੇ ਸਪੈਸ਼ਲ ਇਫੈਕਟ ਲੇਅਰ ਨੂੰ ਕਿਵੇਂ ਵੱਖ ਕਰਨਾ ਹੈ; ਡਾਟਾ ਫਲੋ ਕਿਵੇਂ ਟ੍ਰਾਂਸਫਰ ਕਰਨਾ ਹੈ; ਕਿਹੜੇ ਹਿੱਸੇ ਪ੍ਰਦਰਸ਼ਨ ਦੀ ਰੁਕਾਵਟ ਬਣ ਸਕਦੇ ਹਨ।
ਇਸ ਤੋਂ ਬਾਅਦ, ਇਸਨੇ ਹੌਲੀ-ਹੌਲੀ ਤਰਕ ਨੂੰ ਲਾਗੂ ਕੀਤਾ, ਸੰਕੇਤ ਪਛਾਣ ਦੇ ਡਾਟਾ ਪ੍ਰੋਸੈਸਿੰਗ ਤੋਂ ਸ਼ੁਰੂ ਕਰਕੇ, ਸ਼ੁਰੂਆਤੀ ਟ੍ਰੈਜੈਕਟਰੀ ਗਣਨਾ ਤੱਕ, ਅਤੇ ਫਿਰ ਕਣ ਵਿਸਫੋਟ ਪ੍ਰਭਾਵ ਦੇ ਪੈਰਾਮੀਟਰ ਅਨੁਕੂਲਨ ਤੱਕ।
ਜਦੋਂ ਰੈਂਡਰਿੰਗ ਵਿੱਚ ਦੇਰੀ ਹੁੰਦੀ ਹੈ, ਤਾਂ ਇਹ ਕਣਾਂ ਦੀ ਗਿਣਤੀ ਨੂੰ ਘਟਾਉਣ ਅਤੇ ਲੂਪ ਢਾਂਚੇ ਨੂੰ ਅਨੁਕੂਲ ਬਣਾਉਣ ਦਾ ਸੁਝਾਅ ਦਿੰਦਾ ਹੈ; ਜਦੋਂ ਸੰਕੇਤ ਪਛਾਣ ਗਲਤ ਹੁੰਦੀ ਹੈ, ਤਾਂ ਇਹ ਥ੍ਰੈਸ਼ਹੋਲਡ ਅਤੇ ਫਿਲਟਰਿੰਗ ਰਣਨੀਤੀ ਨੂੰ ਵਿਵਸਥਿਤ ਕਰਦਾ ਹੈ।
ਵੀਡੀਓ ਵਿੱਚ ਪੇਸ਼ ਕੀਤਾ ਗਿਆ ਪ੍ਰਭਾਵ "ਇੱਕ ਬਹੁਤ ਹੀ ਕੁਦਰਤੀ ਪਰਸਪਰ ਪ੍ਰਭਾਵ" ਹੈ। ਪਰ ਇਸਦੇ ਪਿੱਛੇ ਪੂਰੀ ਇੰਜੀਨੀਅਰਿੰਗ ਲੜੀ ਹੈ: ਯੋਜਨਾਬੰਦੀ → ਲਿਖਣਾ → ਡੀਬੱਗ ਕਰਨਾ → ਪ੍ਰਦਰਸ਼ਨ ਅਨੁਕੂਲਨ → ਪਰਸਪਰ ਪ੍ਰਭਾਵ ਸੁਧਾਰ।
ਅੰਤ ਵਿੱਚ ਤਿਆਰ ਕੀਤਾ ਗਿਆ ਕੋਡ ਸਿੱਧਾ ਚਲਾਇਆ ਜਾ ਸਕਦਾ ਹੈ, ਪਰਸਪਰ ਪ੍ਰਭਾਵ ਸਥਿਰ ਹੈ, ਫਰੇਮ ਰੇਟ ਨਿਰਵਿਘਨ ਹੈ, ਅਤੇ ਅਸਧਾਰਨ ਸਥਿਤੀਆਂ ਨੂੰ ਸੰਭਾਲਿਆ ਜਾ ਸਕਦਾ ਹੈ। ਸਭ ਤੋਂ ਮਹੱਤਵਪੂਰਨ ਗੱਲ ਇਹ ਹੈ ਕਿ ਇਸਦਾ ਕੰਮ ਕਰਨ ਦਾ ਤਰੀਕਾ ਇੱਕ ਸਪਸ਼ਟ ਸਿਸਟਮ ਸੋਚ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ: ਮੋਡੀਊਲ ਦੀਆਂ ਸੀਮਾਵਾਂ ਸਪੱਸ਼ਟ ਹਨ, ਅਤੇ ਤਰਕ ਪਰਤਾਂ ਵਾਜਬ ਹਨ, ਸਾਰੀਆਂ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਨੂੰ ਇੱਕ ਫਾਈਲ ਵਿੱਚ ਸਟੈਕ ਕਰਨ ਦੀ ਬਜਾਏ।
ਦੂਜਾ ਕੇਸ ਜੋ ਟੈਸਟ ਕੀਤਾ ਗਿਆ ਹੈ ਉਹ ਹੈ ਢਾਂਚਾਗਤ ਸਿਸਟਮ ਸਮਰੱਥਾ। ਇਸ ਦ੍ਰਿਸ਼ ਨੂੰ ਮੀਡੀਆ ਕੰਮ ਦਾ ਰੋਜ਼ਾਨਾ ਹਿੱਸਾ ਕਿਹਾ ਜਾ ਸਕਦਾ ਹੈ - ਇੱਕ ਇੰਟਰਵਿਊ ਦੇ ਸ਼ਾਰਟਹੈਂਡ ਨੋਟਸ ਨੂੰ ਆਯਾਤ ਕਰੋ, ਸਮੱਗਰੀ ਦਾ ਸਾਰ ਦਿਓ, ਅਤੇ ਵਿਸ਼ੇ ਦੇ ਕੋਣਾਂ ਅਤੇ ਵਿਚਾਰਾਂ ਨੂੰ ਆਉਟਪੁੱਟ ਕਰੋ।
ਅਸਲ ਟੈਸਟ ਵਿੱਚ ਦੇਖਿਆ ਜਾ ਸਕਦਾ ਹੈ ਕਿ ਓਪਰੇਸ਼ਨ ਪ੍ਰਕਿਰਿਆ ਬਹੁਤ ਸਿੱਧੀ ਹੈ: ਮੈਂ ਕੁਝ ਸਮਾਂ ਪਹਿਲਾਂ ਇੱਕ ਇੰਟਰਵਿਊ ਦੇ ਸ਼ਾਰਟਹੈਂਡ ਨੋਟਸ ਦੀ ਇੱਕ ਕਾਪੀ ਪੇਸਟ ਕੀਤੀ, ਮਾਡਲ ਨੇ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਨਾ ਸ਼ੁਰੂ ਕਰ ਦਿੱਤਾ, ਅਤੇ ਫਿਰ ਸਮੱਗਰੀ ਦਾ ਸਾਰ ਅਤੇ ਵਿਸ਼ੇ ਦੇ ਕੋਣਾਂ ਨੂੰ ਆਉਟਪੁੱਟ ਕੀਤਾ। ਨਤੀਜਿਆਂ ਤੋਂ, ਇਸ ਦੁਆਰਾ ਤਿਆਰ ਕੀਤੇ ਗਏ ਵਿਸ਼ੇ ਦੇ ਕੋਣ ਅਜੇ ਵੀ ਬਹੁਤ ਕਾਰਜਸ਼ੀਲ ਹਨ।ਪਹਿਲਾਂ, ਵਿਸ਼ਾ ਪਛਾਣ ਅਤੇ ਮੁੱਖ ਲਾਈਨ ਕੱਢਣ ਦੀ ਸਮਰੱਥਾ ਹੈ। ਮਾਡਲ ਨੇ ਮੂਲ ਟੈਕਸਟ ਕ੍ਰਮ ਦੇ ਅਨੁਸਾਰ ਸੰਖੇਪ ਨਹੀਂ ਬਣਾਇਆ, ਸਗੋਂ ਪਹਿਲਾਂ ਇਹ ਨਿਰਧਾਰਤ ਕੀਤਾ ਕਿ ਮੁੱਖ ਮੁੱਦਾ ਕੀ ਹੈ, ਅਤੇ ਫਿਰ ਇਸ ਮੁੱਦੇ ਦੇ ਆਲੇ ਦੁਆਲੇ ਸਮੱਗਰੀ ਨੂੰ ਮੁੜ ਸੰਗਠਿਤ ਕੀਤਾ। ਇਸਦਾ ਮਤਲਬ ਹੈ ਕਿ ਇਸਨੇ ਅੰਦਰੂਨੀ ਤੌਰ 'ਤੇ ਇੱਕ ਸਕੈਨ ਪੂਰਾ ਕੀਤਾ, ਇਹ ਪਛਾਣ ਕਰਦੇ ਹੋਏ ਕਿ ਕਿਹੜੀ ਜਾਣਕਾਰੀ ਮੁੱਖ ਲਾਈਨ ਨਾਲ ਸਬੰਧਤ ਹੈ, ਅਤੇ ਕਿਹੜੀ ਜਾਣਕਾਰੀ ਪੂਰਕ ਜਾਂ ਸ਼ੋਰ ਨਾਲ ਸਬੰਧਤ ਹੈ। ਇਹ ਸਮਰੱਥਾ ਅਸਲ ਵਿੱਚ ਯੋਜਨਾਬੰਦੀ ਦੀ ਸਮਰੱਥਾ ਹੈ, ਯਾਨੀ ਕਿ ਆਉਟਪੁੱਟ ਤੋਂ ਪਹਿਲਾਂ, ਇੱਕ ਐਬਸਟਰੈਕਟ ਢਾਂਚਾਗਤ ਫਰੇਮਵਰਕ ਸਥਾਪਤ ਕਰਨਾ।
ਦੂਜਾ, ਮਾਡਿਊਲਰ ਪੁਨਰਗਠਨ ਦੀ ਸਮਰੱਥਾ ਹੈ। ਇਹ ਵੱਖ-ਵੱਖ ਪੈਰਿਆਂ ਵਿੱਚ ਖਿੰਡੇ ਹੋਏ ਸੰਬੰਧਿਤ ਵਿਚਾਰਾਂ ਨੂੰ ਇੱਕੋ ਮਾਡਿਊਲ ਵਿੱਚ ਸ਼੍ਰੇਣੀਬੱਧ ਕਰੇਗਾ। ਇਹ ਕਰਾਸ-ਸੈਕਸ਼ਨ ਏਕੀਕਰਣ ਸਮਰੱਥਾ ਦਰਸਾਉਂਦੀ ਹੈ ਕਿ ਮਾਡਲ ਵਿੱਚ ਲੰਬੇ ਟੈਕਸਟ ਨੂੰ ਸੰਭਾਲਣ ਵੇਲੇ ਇੱਕ ਗਲੋਬਲ ਇਕਸਾਰਤਾ ਹੁੰਦੀ ਹੈ।
ਤੀਜਾ, ਤਰਕ ਕ੍ਰਮ ਨੂੰ ਸਰਗਰਮੀ ਨਾਲ ਵਿਵਸਥਿਤ ਕਰਨ ਦੀ ਸਮਰੱਥਾ ਹੈ। ਅਸਲ ਆਉਟਪੁੱਟ ਰੂਪਰੇਖਾ ਅਕਸਰ ਮੂਲ ਰਿਕਾਰਡਿੰਗ ਕ੍ਰਮ ਤੋਂ ਵੱਖਰੀ ਹੁੰਦੀ ਹੈ। ਇਹ ਦੇਖਿਆ ਜਾ ਸਕਦਾ ਹੈ ਕਿ GLM-5 ਕਾਰਨ ਅਤੇ ਪ੍ਰਭਾਵ ਸਬੰਧਾਂ ਜਾਂ ਦਲੀਲ ਤਰਕ ਦੇ ਅਨੁਸਾਰ ਪੱਧਰਾਂ ਨੂੰ ਮੁੜ ਵਿਵਸਥਿਤ ਕਰ ਰਿਹਾ ਹੈ। ਇਹ ਇੱਕ "ਤਰਕ ਮੂਲ ਇਨਪੁਟ ਕ੍ਰਮ ਤੋਂ ਪਹਿਲਾਂ" ਨਿਰਣਾ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ। ਇਹ "ਪਹਿਲਾਂ ਢਾਂਚਾ, ਫਿਰ ਆਉਟਪੁੱਟ" ਮੋਡ ਸਿਸਟਮ ਇੰਜੀਨੀਅਰਿੰਗ ਸੋਚ ਦਾ ਮੁੱਖ ਹੈ।
ਇਹ ਦੋਵੇਂ ਕੇਸ, ਇੱਕ ਰੀਅਲ-ਟਾਈਮ ਵਿਜ਼ੂਅਲ ਇੰਟਰੈਕਸ਼ਨ ਸਿਸਟਮ ਹੈ, ਅਤੇ ਦੂਜਾ ਮੀਡੀਆ ਜਾਣਕਾਰੀ ਢਾਂਚਾ ਪ੍ਰੋਸੈਸਿੰਗ ਸਿਸਟਮ ਹੈ, ਪੂਰੀ ਤਰ੍ਹਾਂ ਵੱਖਰੇ ਜਾਪਦੇ ਹਨ। ਪਰ ਉਹ ਇੱਕੋ ਗੱਲ ਦੀ ਪੁਸ਼ਟੀ ਕਰਦੇ ਹਨ - GLM-5 ਵਿੱਚ ਇੱਕ ਸੰਪੂਰਨ ਟਾਸਕ ਕਲੋਜ਼ਡ-ਲੂਪ ਸਮਰੱਥਾ ਹੈ: ਯੋਜਨਾਬੰਦੀ → ਲਾਗੂ ਕਰਨਾ → ਡੀਬੱਗ ਕਰਨਾ → ਅਨੁਕੂਲ ਬਣਾਉਣਾ।
ਆਤਿਸ਼ਬਾਜ਼ੀ ਗੇਮ ਵਿੱਚ, ਇਹ ਮਾਡਿਊਲਰ ਲੇਅਰਿੰਗ, ਪ੍ਰਦਰਸ਼ਨ ਅਨੁਕੂਲਤਾ ਅਤੇ ਅਸਧਾਰਨ ਹੈਂਡਲਿੰਗ ਵਿੱਚ ਪ੍ਰਤੀਬਿੰਬਤ ਹੁੰਦਾ ਹੈ; ਰਿਕਾਰਡਿੰਗ ਪ੍ਰੋਸੈਸਰ ਵਿੱਚ, ਇਹ ਵਿਸ਼ਾ ਨਿਰਣੇ, ਢਾਂਚਾਗਤ ਵਿਘਟਨ ਅਤੇ ਤਰਕਸ਼ੀਲ ਪੁਨਰਗਠਨ ਵਿੱਚ ਪ੍ਰਤੀਬਿੰਬਤ ਹੁੰਦਾ ਹੈ। ਉਹਨਾਂ ਵਿੱਚ ਸਾਂਝਾ ਬਿੰਦੂ ਇਹ ਹੈ ਕਿ ਮਾਡਲ "ਨਤੀਜੇ ਪੈਦਾ ਕਰਨ" 'ਤੇ ਨਹੀਂ ਰੁਕਦਾ, ਸਗੋਂ ਇੱਕ ਟਿਕਾਊ ਵਿਕਾਸਸ਼ੀਲ ਢਾਂਚੇ ਨੂੰ ਬਣਾਈ ਰੱਖਦਾ ਹੈ।
ਮੈਂ ਇੱਕ ਮੁਕਾਬਲਤਨ ਗੁੰਝਲਦਾਰ ਕੰਮ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰਨਾ ਜਾਰੀ ਰੱਖਿਆ, "ਇੱਕ ਘੱਟੋ-ਘੱਟ ਓਪਰੇਟਿੰਗ ਸਿਸਟਮ ਕਰਨਲ ਬਣਾਉਣਾ"। ਇਸ ਅਸਲ ਟੈਸਟ ਵਿੱਚ। ਅਸਲ ਵਿੱਚ ਧਿਆਨ ਦੇਣ ਯੋਗ ਗੱਲ ਇਹ ਨਹੀਂ ਹੈ ਕਿ ਵੀਡੀਓ ਵਿੱਚ ਕੋਡ ਆਖਰਕਾਰ ਚੱਲਦਾ ਹੈ, ਸਗੋਂ GLM-5 ਦਾ ਪੂਰੀ ਪ੍ਰਕਿਰਿਆ ਵਿੱਚ ਵਿਵਹਾਰ ਹੈ।
ਇਸਨੇ ਕੰਮ ਪ੍ਰਾਪਤ ਕਰਨ ਤੋਂ ਤੁਰੰਤ ਬਾਅਦ ਉਤਪਾਦਨ ਦੀ ਸਥਿਤੀ ਵਿੱਚ ਦਾਖਲ ਨਹੀਂ ਹੋਇਆ, ਸਗੋਂ ਪਹਿਲਾਂ ਕਾਰਜ ਸੀਮਾਵਾਂ ਨੂੰ ਸਪੱਸ਼ਟ ਕੀਤਾ, ਮਾਡਿਊਲਾਂ ਨੂੰ ਸਰਗਰਮੀ ਨਾਲ ਵੰਡਿਆ, ਸਿਸਟਮ ਢਾਂਚੇ ਦੀ ਯੋਜਨਾ ਬਣਾਈ, ਅਤੇ ਫਿਰ ਲਾਗੂ ਕਰਨ ਦੇ ਪੜਾਅ ਵਿੱਚ ਦਾਖਲ ਹੋਇਆ। ਇਹ "ਢਾਂਚਾ ਪਹਿਲਾਂ" ਮਾਰਗ ਅਸਲ ਵਿੱਚ ਇੰਜੀਨੀਅਰਿੰਗ ਸੋਚ ਹੈ ਜਿਸ ਬਾਰੇ ਪਹਿਲਾਂ ਦੱਸਿਆ ਗਿਆ ਸੀ - ਪਹਿਲਾਂ ਪਰਿਭਾਸ਼ਿਤ ਕਰੋ ਕਿ ਸਿਸਟਮ ਕਿਵੇਂ ਬਣਿਆ ਹੈ, ਅਤੇ ਫਿਰ ਖਾਸ ਲਾਗੂ ਕਰਨ ਦੇ ਵੇਰਵਿਆਂ 'ਤੇ ਚਰਚਾ ਕਰੋ, ਨਾ ਕਿ ਲਿਖਦੇ ਅਤੇ ਜੋੜਦੇ ਸਮੇਂ।
ਲਿਖਣ, ਚਲਾਉਣ, ਗਲਤੀ ਕਰਨ ਅਤੇ ਸੋਧਣ ਦੇ ਕਈ ਚੱਕਰਾਂ ਵਿੱਚ, GLM-5 ਵਿੱਚ ਕੋਈ ਢਾਂਚਾਗਤ ਢਹਿ ਨਹੀਂ ਹੋਇਆ। ਹਰ ਸੋਧ ਮੌਜੂਦਾ ਆਰਕੀਟੈਕਚਰ ਦੇ ਦੁਆਲੇ ਘੁੰਮਦੀ ਹੈ, ਨਾ ਕਿ ਇਸਨੂੰ ਉਲਟਾਉਣ ਜਾਂ ਸਥਾਨਕ ਪੈਚ ਬਣਾਉਣ ਦੀ ਬਜਾਏ। ਇਹ ਦਰਸਾਉਂਦਾ ਹੈ ਕਿ ਇਹ ਅੰਦਰੂਨੀ ਤੌਰ 'ਤੇ ਇੱਕ ਸੰਪੂਰਨ ਸਿਸਟਮ ਮਾਡਲ ਨੂੰ ਬਣਾਈ ਰੱਖਦਾ ਹੈ, ਅਤੇ ਲੰਬੇ ਲਿੰਕ ਕਾਰਜਾਂ ਵਿੱਚ ਇਕਸਾਰਤਾ ਬਣਾਈ ਰੱਖਣ ਦੇ ਯੋਗ ਹੈ। ਬਹੁਤ ਸਾਰੇ ਮਾਡਲ ਸੰਦਰਭ ਨੂੰ ਲੰਮਾ ਕਰਨ ਤੋਂ ਬਾਅਦ ਆਸਾਨੀ ਨਾਲ ਵਿਰੋਧੀ ਹੋ ਜਾਂਦੇ ਹਨ, ਜਦੋਂ ਕਿ ਵੀਡੀਓ ਵਿੱਚ ਪ੍ਰਦਰਸ਼ਨ ਸਹੀ ਢੰਗ ਨਾਲ ਸਮੁੱਚੇ ਢਾਂਚੇ ਦੀ ਨਿਰੰਤਰ ਮੈਮੋਰੀ ਸਮਰੱਥਾ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ।
ਇਸ ਤੋਂ ਇਲਾਵਾ, ਇਹ ਗਲਤੀਆਂ ਨੂੰ ਕਿਵੇਂ ਸੰਭਾਲਦਾ ਹੈ। ਜਦੋਂ ਕੋਈ ਗਲਤੀ ਆਉਂਦੀ ਹੈ, ਤਾਂ ਇਹ "ਸ਼ਾਇਦ ਕੋਡ ਦੀ ਇੱਕ ਲਾਈਨ ਨਾਲ ਸਮੱਸਿਆ ਹੈ" ਦੀ ਸਤਹੀ ਅਟਕਲਾਂ 'ਤੇ ਨਹੀਂ ਰੁਕਦਾ, ਸਗੋਂ ਪਹਿਲਾਂ ਗਲਤੀ ਦੀ ਕਿਸਮ ਦਾ ਨਿਰਣਾ ਕਰਦਾ ਹੈ, ਲਾਜ਼ੀਕਲ ਸਮੱਸਿਆਵਾਂ, ਵਾਤਾਵਰਣ ਦੀਆਂ ਸਮੱਸਿਆਵਾਂ ਜਾਂ ਨਿਰਭਰਤਾ ਵਿਵਾਦਾਂ ਵਿੱਚ ਫਰਕ ਕਰਦਾ ਹੈ, ਅਤੇ ਫਿਰ ਜਾਂਚ ਮਾਰਗ ਦੀ ਯੋਜਨਾ ਬਣਾਉਂਦਾ ਹੈ। ਇਹ ਇੱਕ ਰਣਨੀਤੀ-ਪੱਧਰ ਦਾ ਡੀਬੱਗ ਹੈ, ਜਿਸਦਾ ਉਦੇਸ਼ ਸਮੱਸਿਆ ਮਾਰਗ ਨੂੰ ਠੀਕ ਕਰਨਾ ਹੈ।
ਜੇਕਰ ਇਸਨੂੰ ਟੂਲ ਕਾਲਾਂ ਦੇ ਨਾਲ ਜੋੜਿਆ ਜਾਵੇ, ਤਾਂ ਇਹ ਸਮਰੱਥਾ ਹੋਰ ਵੀ ਸਪੱਸ਼ਟ ਹੋ ਜਾਵੇਗੀ। ਇਹ ਨਾ ਸਿਰਫ਼ ਕਮਾਂਡ ਸੁਝਾਅ ਦਿੰਦਾ ਹੈ, ਸਗੋਂ ਸਰਗਰਮੀ ਨਾਲ ਟਰਮੀਨਲ ਨੂੰ ਡਿਸਪੈਚ ਕਰਨ, ਲੌਗਾਂ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਨ, ਵਾਤਾਵਰਣ ਨੂੰ ਠੀਕ ਕਰਨ ਅਤੇ ਫਿਰ ਕੰਮ ਨੂੰ ਅੱਗੇ ਵਧਾਉਣ ਲਈ ਵੀ ਜੋੜਦਾ ਹੈ। ਇਹ ਵਿਵਹਾਰ ਪਹਿਲਾਂ ਹੀ ਇੱਕ "ਆਟੋਮੈਟਿਕ ਡਰਾਈਵਿੰਗ" ਇੰਜੀਨੀਅਰਿੰਗ ਤਰੱਕੀ ਦੇ ਨੇੜੇ ਹੈ। ਜੇਕਰ ਟੀਚਾ ਪੂਰਾ ਨਹੀਂ ਹੁੰਦਾ, ਤਾਂ ਇਹ ਲਗਾਤਾਰ ਦੁਹਰਾਉਂਦਾ ਰਹਿੰਦਾ ਹੈ।
ਪਹਿਲਾਂ ਯੋਜਨਾ ਬਣਾਉਣਾ ਅਤੇ ਫਿਰ ਲਾਗੂ ਕਰਨਾ, ਲੰਬੇ ਲਿੰਕਾਂ ਵਿੱਚ ਢਾਂਚੇ ਨੂੰ ਸਥਿਰ ਰੱਖਣਾ, ਰਣਨੀਤਕ ਤੌਰ 'ਤੇ ਸਮੱਸਿਆਵਾਂ ਦੀ ਜਾਂਚ ਕਰਨਾ, ਅਤੇ ਟੀਚਿਆਂ ਦੇ ਦੁਆਲੇ ਲਗਾਤਾਰ ਅੱਗੇ ਵਧਣਾ - ਇਹ ਸਿਸਟਮ ਇੰਜੀਨੀਅਰਿੰਗ ਦੁਆਰਾ ਲੋੜੀਂਦੀਆਂ ਚਾਰ ਮੁੱਖ ਸਮਰੱਥਾਵਾਂ ਦਾ ਸੁਪਰਪੋਜ਼ੀਸ਼ਨ ਹੈ, ਜੋ GLM-5 ਨੂੰ ਇੰਜੀਨੀਅਰਾਂ ਦੇ ਕੰਮ ਕਰਨ ਦੇ ਤਰੀਕੇ ਦੇ ਨੇੜੇ ਇੱਕ ਵਿਵਹਾਰ ਮੋਡ ਪੇਸ਼ ਕਰਨਾ ਸ਼ੁਰੂ ਕਰਦਾ ਹੈ।
GLM-5 "ਆਰਕੀਟੈਕਟ" ਦੀ ਬੈਟਨ ਕਿਉਂ ਲੈ ਸਕਦਾ ਹੈ?
ਜੇਕਰ ਪਹਿਲੇ ਭਾਗ ਵਿੱਚ ਅਸਲ ਟੈਸਟ ਇਹ ਸਾਬਤ ਕਰਦੇ ਹਨ ਕਿ GLM-5 "ਗੁੰਝਲਦਾਰ ਕੰਮ ਕਰ ਸਕਦਾ ਹੈ", ਤਾਂ ਅਗਲਾ ਸਵਾਲ ਇਹ ਹੈ: ਇਹ ਕਿਉਂ ਕਰ ਸਕਦਾ ਹੈ? ਜਵਾਬ ਇਸਦੇ ਆਉਟਪੁੱਟ ਦੇ ਪਿੱਛੇ ਛੁਪੇ ਹੋਏ "ਇੰਜੀਨੀਅਰਿੰਗ-ਪੱਧਰ ਦੇ ਵਿਵਹਾਰ ਮੋਡ" ਦਾ ਇੱਕ ਪੂਰਾ ਸੈੱਟ ਹੈ।
ਮੁੱਖ ਗੱਲ ਇਹ ਹੈ ਕਿ GLM-5 ਨੇ ਸਪੱਸ਼ਟ ਤੌਰ 'ਤੇ ਕਲਾਉਡ ਓਪਸ 4.6 ਵਰਗੀ ਸੋਚ-ਚੇਨ ਸਵੈ-ਜਾਂਚ ਵਿਧੀ ਪੇਸ਼ ਕੀਤੀ ਹੈ।
ਅਸਲ ਵਰਤੋਂ ਵਿੱਚ, ਇਹ ਮਹਿਸੂਸ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ ਕਿ ਇਹ ਕੰਮ ਪ੍ਰਾਪਤ ਕਰਨ ਤੋਂ ਤੁਰੰਤ ਬਾਅਦ "ਕੋਡ ਭਰਨਾ" ਸ਼ੁਰੂ ਨਹੀਂ ਕਰਦਾ, ਸਗੋਂ ਬੈਕਗ੍ਰਾਉਂਡ ਵਿੱਚ ਲਾਜ਼ੀਕਲ ਕਟੌਤੀਆਂ ਦੇ ਕਈ ਗੇੜ ਕਰਦਾ ਹੈ: ਮਾਡਿਊਲਾਂ ਵਿਚਕਾਰ ਜੋੜਨ ਵਾਲੇ ਸਬੰਧਾਂ ਦੀ ਭਵਿੱਖਬਾਣੀ ਕਰਨਾ, ਡੈੱਡ ਲੂਪ ਮਾਰਗਾਂ ਤੋਂ ਸਰਗਰਮੀ ਨਾਲ ਬਚਣਾ, ਅਤੇ ਸਰੋਤ ਵਿਵਾਦਾਂ ਅਤੇ ਸੀਮਾ ਸ਼ਰਤਾਂ ਦੀ ਪਹਿਲਾਂ ਤੋਂ ਖੋਜ ਕਰਨਾ। ਇਸ ਵਿਵਹਾਰ ਵਿੱਚ ਸਿੱਧੀ ਤਬਦੀਲੀ ਇਹ ਹੈ - ਇਹ ਯਕੀਨੀ ਬਣਾਉਣ ਲਈ ਕਿ ਸਕੀਮ ਇੰਜੀਨੀਅਰਿੰਗ 'ਤੇ ਖੜ੍ਹੀ ਹੈ, ਇਹ ਹੌਲੀ ਹੋਣ ਅਤੇ ਸਮੱਸਿਆ ਬਾਰੇ ਪੂਰੀ ਤਰ੍ਹਾਂ ਸੋਚਣ ਲਈ ਤਿਆਰ ਹੈ।ਜਟਿਲ ਕੰਮਾਂ ਵਿੱਚ, GLM-5 ਪਹਿਲਾਂ ਇੱਕ ਸਪਸ਼ਟ ਮਾਡਿਊਲ ਵਿਭਾਜਨ ਦਿੰਦਾ ਹੈ: ਸਿਸਟਮ ਕਿਹੜੇ ਉਪ-ਮਾਡਿਊਲਾਂ ਤੋਂ ਬਣਿਆ ਹੈ, ਹਰੇਕ ਮਾਡਿਊਲ ਦੇ ਇਨਪੁਟ ਅਤੇ ਆਉਟਪੁੱਟ ਕੀ ਹਨ, ਕਿਹੜੇ ਹਿੱਸੇ ਸਮਾਨਾਂਤਰ ਤੌਰ 'ਤੇ ਅੱਗੇ ਵਧਾਏ ਜਾ ਸਕਦੇ ਹਨ, ਅਤੇ ਕਿਹੜੇ ਲੜੀਵਾਰ ਢੰਗ ਨਾਲ ਪੂਰੇ ਕੀਤੇ ਜਾਣੇ ਚਾਹੀਦੇ ਹਨ। ਫਿਰ ਇਹ ਇੱਕ-ਇੱਕ ਕਰਕੇ ਜਿੱਤ ਪ੍ਰਾਪਤ ਕਰਦਾ ਹੈ, ਨਾ ਕਿ ਲਿਖਦੇ ਸਮੇਂ ਸੋਚਦਾ ਹੈ। ਇਹ ਇਸਦੇ ਕੰਮ ਕਰਨ ਦੇ ਤਰੀਕੇ ਨੂੰ ਇੱਕ ਅਸਲੀ ਇੰਜੀਨੀਅਰ ਵਾਂਗ ਬਣਾਉਂਦਾ ਹੈ: ਪਹਿਲਾਂ ਆਰਕੀਟੈਕਚਰ ਡਾਇਗ੍ਰਾਮ ਖਿੱਚੋ, ਫਿਰ ਲਾਗੂ ਕਰਨ ਦੇ ਵੇਰਵੇ ਲਿਖੋ। ਸਪੱਸ਼ਟ ਤੌਰ 'ਤੇ, ਇਸ ਵਿੱਚ ਇੱਕ "ਸਮੱਸਿਆ ਨੂੰ ਪੂਰੀ ਤਰ੍ਹਾਂ ਹੱਲ ਕੀਤੇ ਬਿਨਾਂ ਰੁਕਣ ਤੋਂ ਇਨਕਾਰ ਕਰਨ ਦੀ ਲਚਕਤਾ" ਹੈ, ਨਾ ਕਿ ਇੱਕ ਸਹੀ ਸਥਾਨਕ ਨੂੰ ਪੂਰਾ ਕਰਨ ਤੋਂ ਬਾਅਦ ਜਲਦੀ ਖਤਮ ਕਰਨਾ।
ਇਹ ਅੰਤਰ ਖਾਸ ਤੌਰ 'ਤੇ ਰਵਾਇਤੀ ਕੋਡਿੰਗ ਮਾਡਲਾਂ ਨਾਲ ਤੁਲਨਾ ਵਿੱਚ ਸਪੱਸ਼ਟ ਹੈ। ਅਤੀਤ ਵਿੱਚ, ਬਹੁਤ ਸਾਰੇ ਮਾਡਲ ਗਲਤੀਆਂ ਦਾ ਸਾਹਮਣਾ ਕਰਨ 'ਤੇ ਇੱਕ ਜਾਣੇ-ਪਛਾਣੇ ਮੋਡ ਵਿੱਚ ਤੇਜ਼ੀ ਨਾਲ ਦਾਖਲ ਹੋ ਜਾਂਦੇ ਹਨ: ਮੁਆਫੀ ਮੰਗਣਾ, ਗਲਤੀ ਜਾਣਕਾਰੀ ਨੂੰ ਦੁਹਰਾਉਣਾ, ਅਤੇ ਇੱਕ ਗੈਰ-ਪ੍ਰਮਾਣਿਤ ਮੁਰੰਮਤ ਸੁਝਾਅ ਦੇਣਾ; ਜੇਕਰ ਇਹ ਦੁਬਾਰਾ ਅਸਫਲ ਹੋ ਜਾਂਦਾ ਹੈ, ਤਾਂ ਇਹ ਲਗਭਗ ਜਵਾਬਾਂ ਨੂੰ ਲਗਾਤਾਰ ਆਉਟਪੁੱਟ ਕਰਨਾ ਸ਼ੁਰੂ ਕਰ ਦਿੰਦਾ ਹੈ। GLM-5 ਦਾ ਪ੍ਰਬੰਧਨ ਕਰਨ ਦਾ ਤਰੀਕਾ ਇੱਕ ਪੁਰਾਣੇ ਆਰਕੀਟੈਕਟ ਵਰਗਾ ਹੈ। ਅਸਲ ਟੈਸਟਾਂ ਵਿੱਚ, ਜਦੋਂ ਕੋਈ ਪ੍ਰੋਜੈਕਟ ਵਾਤਾਵਰਣ ਨਿਰਭਰਤਾ ਸਮੱਸਿਆਵਾਂ ਕਾਰਨ ਨਹੀਂ ਚੱਲ ਸਕਦਾ, ਤਾਂ ਇਹ ਸਤਹੀ ਗਲਤੀ ਜਾਣਕਾਰੀ 'ਤੇ ਨਹੀਂ ਰੁਕਦਾ, ਸਗੋਂ ਸਰਗਰਮੀ ਨਾਲ ਨਿਰਭਰਤਾ ਟ੍ਰੀ (ਡਿਪੈਂਡੈਂਸੀ ਟ੍ਰੀ) ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਦਾ ਹੈ, ਟਕਰਾਅ ਦੇ ਸਰੋਤ ਦਾ ਨਿਰਣਾ ਕਰਦਾ ਹੈ, ਅਤੇ ਅੱਗੇ ਵਾਤਾਵਰਣ ਨੂੰ ਠੀਕ ਕਰਨ ਲਈ ਓਪਨਕਲਾਅ ਨੂੰ ਨਿਰਦੇਸ਼ ਦਿੰਦਾ ਹੈ।
ਪੂਰੀ ਪ੍ਰਕਿਰਿਆ "ਆਟੋਮੈਟਿਕ ਡਰਾਈਵਿੰਗ" ਵਰਗੀ ਤੈਨਾਤੀ ਵਰਗੀ ਹੈ: ਮਾਡਲ ਪੈਸਿਵ ਤੌਰ 'ਤੇ ਜਵਾਬ ਨਹੀਂ ਦੇ ਰਿਹਾ ਹੈ, ਸਗੋਂ ਲਗਾਤਾਰ ਲੌਗ ਪੜ੍ਹ ਰਿਹਾ ਹੈ, ਰਸਤੇ ਨੂੰ ਠੀਕ ਕਰ ਰਿਹਾ ਹੈ, ਅਤੇ ਨਤੀਜਿਆਂ ਦੀ ਪੁਸ਼ਟੀ ਕਰ ਰਿਹਾ ਹੈ।
ਇੱਕ ਹੋਰ ਸਮਰੱਥਾ ਜਿਸਨੂੰ ਅਕਸਰ ਨਜ਼ਰਅੰਦਾਜ਼ ਕੀਤਾ ਜਾਂਦਾ ਹੈ ਪਰ ਸਿਸਟਮ ਇੰਜੀਨੀਅਰਿੰਗ ਵਿੱਚ ਬਹੁਤ ਮਹੱਤਵਪੂਰਨ ਹੈ, ਉਹ ਹੈ ਸੰਦਰਭ ਦੀ ਸੰਪੂਰਨਤਾ।
GLM-5 ਦੀ ਮਿਲੀਅਨ-ਪੱਧਰ ਦੀ ਟੋਕਨ ਵਿੰਡੋ ਇਸਨੂੰ ਇੱਕੋ ਸੰਦਰਭ ਵਿੱਚ ਪੂਰੇ ਪ੍ਰੋਜੈਕਟ ਦੇ ਕੋਡ ਢਾਂਚੇ, ਇਤਿਹਾਸਕ ਸੋਧਾਂ, ਸੰਰਚਨਾ ਫਾਈਲਾਂ ਅਤੇ ਚੱਲ ਰਹੇ ਲੌਗਾਂ ਨੂੰ ਸਮਝਣ ਦੇ ਯੋਗ ਬਣਾਉਂਦੀ ਹੈ। ਇਸਦਾ ਮਤਲਬ ਹੈ ਕਿ ਇਹ ਪਹਿਲਾਂ ਹੀ ਇੱਕ ਗਲੋਬਲ ਦ੍ਰਿਸ਼ਟੀਕੋਣ ਤੋਂ ਇਹ ਨਿਰਣਾ ਕਰਨ ਦੇ ਯੋਗ ਹੈ ਕਿ ਇੱਕ ਸੋਧ ਕਿਹੜੇ ਮਾਡਿਊਲਾਂ 'ਤੇ ਇੱਕ ਲੜੀ ਪ੍ਰਤੀਕ੍ਰਿਆ ਪੈਦਾ ਕਰੇਗੀ। ਲੰਬੇ ਲਿੰਕ ਕਾਰਜਾਂ ਵਿੱਚ, ਇਹ ਸਮਰੱਥਾ ਸਿੱਧੇ ਤੌਰ 'ਤੇ ਇਹ ਨਿਰਧਾਰਤ ਕਰਦੀ ਹੈ ਕਿ ਮਾਡਲ "ਹੋਸ਼ਿਆਰ ਪਰ ਥੋੜ੍ਹੇ ਸਮੇਂ ਲਈ" ਹੈ ਜਾਂ "ਸਥਿਰ ਅਤੇ ਨਿਯੰਤਰਣਯੋਗ" ਹੈ।
ਸੰਖੇਪ ਰੂਪ ਵਿੱਚ, GLM-5 ਅਸਲ ਵਿੱਚ "ਆਰਕੀਟੈਕਟ" ਭੂਮਿਕਾ ਨੂੰ ਸਵੀਕਾਰ ਕਰਦਾ ਹੈ, ਮੁੱਖ ਤੌਰ 'ਤੇ ਇਸ ਲਈ ਕਿਉਂਕਿ ਇਹ ਇੱਕ ਆਰਕੀਟੈਕਟ ਵਾਂਗ ਸਮੱਸਿਆਵਾਂ ਬਾਰੇ ਸੋਚਣਾ ਸ਼ੁਰੂ ਕਰਦਾ ਹੈ: ਪਹਿਲਾਂ ਯੋਜਨਾ ਬਣਾਓ, ਫਿਰ ਲਾਗੂ ਕਰੋ; ਲਗਾਤਾਰ ਜਾਂਚ ਕਰੋ ਅਤੇ ਲਗਾਤਾਰ ਸੋਧ ਕਰੋ; ਸਿਸਟਮ ਦੇ ਸਮੁੱਚੇ 'ਤੇ ਧਿਆਨ ਕੇਂਦਰਿਤ ਕਰੋ, ਨਾ ਕਿ ਇੱਕ ਸਿੰਗਲ ਬਿੰਦੂ ਸਫਲਤਾ 'ਤੇ।
ਇਹ ਇਸਦਾ ਮੁੱਖ ਕਾਰਨ ਵੀ ਹੈ ਕਿ ਇਹ ਪਹਿਲੇ ਭਾਗ ਵਿੱਚ ਉਹਨਾਂ ਸਿਸਟਮ-ਪੱਧਰੀ ਅਸਲ-ਸੰਸਾਰ ਕਾਰਜਾਂ ਨੂੰ ਪੂਰਾ ਕਰਨ ਦੇ ਯੋਗ ਹੈ।
03
**ਓਪਨ ਸੋਰਸ ਸੰਸਾਰ ਦਾ ਓਪਸ? ** 2026 ਦੇ ਵੱਡੇ ਮਾਡਲ ਈਕੋਸਿਸਟਮ ਵਿੱਚ, GLM-5 ਦਾ ਮੁੱਲ ਇਸ ਤੱਥ ਨੂੰ ਤੋੜਨ ਵਿੱਚ ਹੈ ਕਿ ਪਹਿਲਾਂ ਲਗਭਗ ਸਵੀਕਾਰ ਕੀਤਾ ਗਿਆ ਸੀ: ਸਿਸਟਮ-ਪੱਧਰੀ ਬੁੱਧੀ ਸਿਰਫ ਬੰਦ ਸਰੋਤ ਮਾਡਲਾਂ ਵਿੱਚ ਮੌਜੂਦ ਹੋ ਸਕਦੀ ਹੈ।
ਪਹਿਲਾਂ, ਕਲਾਉਡ ਓਪਸ 4.6 ਅਤੇ GPT-5.3 ਨੇ ਨਿਸ਼ਚਤ ਤੌਰ 'ਤੇ "ਏਜੰਟਿਕ ਕੋਡਿੰਗ" ਮਾਰਗ ਨੂੰ ਪੂਰਾ ਕੀਤਾ - ਮਾਡਲ ਹੁਣ ਤੁਰੰਤ ਫੀਡਬੈਕ ਦਾ ਪਿੱਛਾ ਨਹੀਂ ਕਰਦੇ, ਸਗੋਂ ਯੋਜਨਾਬੰਦੀ, ਵਿਘਨ ਅਤੇ ਦੁਹਰਾਉਣ ਵਾਲੇ ਕਾਰਜਾਂ ਦੁਆਰਾ, ਅਸਲ ਵਿੱਚ ਗੁੰਝਲਦਾਰ ਇੰਜੀਨੀਅਰਿੰਗ ਕਾਰਜਾਂ ਨੂੰ ਪੂਰਾ ਕਰਦੇ ਹਨ। ਪਰ ਕੀਮਤ ਵੀ ਬਹੁਤ ਜ਼ਿਆਦਾ ਹੈ: ਉੱਚ-ਤੀਬਰਤਾ ਵਾਲੇ ਕਾਰਜਾਂ ਦੀ ਟੋਕਨ ਖਪਤ ਬਹੁਤ ਜ਼ਿਆਦਾ ਹੈ, ਅਤੇ ਇੱਕ ਪੂਰਾ ਸਿਸਟਮ-ਪੱਧਰੀ ਯਤਨ ਅਕਸਰ ਕਾਲ ਕਰਨ ਦੀ ਮਹਿੰਗੀ ਕੀਮਤ ਦਾ ਮਤਲਬ ਹੁੰਦਾ ਹੈ।
GLM-5 ਇੱਥੇ ਇੱਕ ਵੱਖਰਾ ਹੱਲ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ। ਇੱਕ ਓਪਨ ਸੋਰਸ ਮਾਡਲ ਦੇ ਰੂਪ ਵਿੱਚ, ਇਹ "ਸਿਸਟਮ ਆਰਕੀਟੈਕਟ-ਪੱਧਰ ਦੀ AI" ਨੂੰ ਕਲਾਉਡ ਅਤੇ ਬਿੱਲਾਂ ਤੋਂ ਵਾਪਸ ਡਿਵੈਲਪਰ ਦੇ ਆਪਣੇ ਵਾਤਾਵਰਣ ਵਿੱਚ ਲਿਆਉਂਦਾ ਹੈ। ਤੁਸੀਂ ਇਸਨੂੰ ਸਥਾਨਕ ਤੌਰ 'ਤੇ ਤੈਨਾਤ ਕਰ ਸਕਦੇ ਹੋ ਅਤੇ ਇਸਨੂੰ ਉਹਨਾਂ ਗੰਦੇ, ਥਕਾਊ ਅਤੇ ਵੱਡੇ ਕੰਮਾਂ ਨੂੰ ਚਬਾਉਣ ਲਈ ਸਮਾਂ ਕੱਢਣ ਦਿਓ: ਲੌਗਸ ਨੂੰ ਐਡਜਸਟ ਕਰਨਾ, ਨਿਰਭਰਤਾਵਾਂ ਦੀ ਜਾਂਚ ਕਰਨਾ, ਪੁਰਾਣੇ ਕੋਡ ਨੂੰ ਸੋਧਣਾ ਅਤੇ ਸੀਮਾ ਸ਼ਰਤਾਂ ਨੂੰ ਪੂਰਕ ਕਰਨਾ।
ਇਸਨੂੰ ਲਾਗਤ-ਪ੍ਰਭਾਵਸ਼ੀਲਤਾ ਵਿੱਚ ਇੱਕ ਢਾਂਚਾਗਤ ਤਬਦੀਲੀ ਵਜੋਂ ਦੇਖਿਆ ਜਾ ਸਕਦਾ ਹੈ - ਆਰਕੀਟੈਕਟ-ਪੱਧਰ ਦੀ ਬੁੱਧੀ ਹੁਣ ਕੁਝ ਟੀਮਾਂ ਦਾ ਵਿਸ਼ੇਸ਼ ਅਧਿਕਾਰ ਨਹੀਂ ਹੈ।
ਜੇਕਰ ਤੁਸੀਂ ਇਸ ਅੰਤਰ ਨੂੰ ਸਮਝਣ ਲਈ ਇੱਕ ਪੇਸ਼ੇਵਰ ਰੂਪਕ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋ, ਤਾਂ ਇਹ ਵਧੇਰੇ ਅਨੁਭਵੀ ਹੋਵੇਗਾ। Kimi 2.5 ਵਰਗੇ ਮਾਡਲ ਇੱਕ ਸੁਹਜਾਤਮਕ ਤੌਰ 'ਤੇ ਔਨਲਾਈਨ ਅਤੇ ਬਹੁਤ ਜ਼ਿਆਦਾ ਇੰਟਰੈਕਟਿਵ ਫਰੰਟ-ਐਂਡ ਇੰਜੀਨੀਅਰ ਵਰਗੇ ਹਨ, ਜੋ ਇੱਕ-ਸ਼ਾਟ ਉਤਪਾਦਨ, ਵਿਜ਼ੂਅਲ ਪੇਸ਼ਕਾਰੀ ਅਤੇ ਤੇਜ਼ ਫੀਡਬੈਕ ਵਿੱਚ ਮਾਹਰ ਹਨ; ਜਦੋਂ ਕਿ GLM-5 ਦੀ ਸ਼ੈਲੀ ਸਪੱਸ਼ਟ ਤੌਰ 'ਤੇ ਵੱਖਰੀ ਹੈ, ਇਹ ਇੱਕ ਤਜਰਬੇਕਾਰ ਸਿਸਟਮ ਆਰਕੀਟੈਕਟ ਵਰਗਾ ਹੈ ਜੋ ਹੇਠਲੀ ਲਾਈਨ ਦੀ ਰੱਖਿਆ ਕਰਦਾ ਹੈ ਅਤੇ ਤਰਕ 'ਤੇ ਧਿਆਨ ਕੇਂਦਰਿਤ ਕਰਦਾ ਹੈ: ਮਾਡਿਊਲ ਸਬੰਧਾਂ, ਅਸਧਾਰਨ ਮਾਰਗਾਂ, ਰੱਖ-ਰਖਾਅਯੋਗਤਾ ਅਤੇ ਲੰਬੇ ਸਮੇਂ ਦੇ ਸਥਿਰ ਸੰਚਾਲਨ 'ਤੇ ਧਿਆਨ ਕੇਂਦਰਿਤ ਕਰਨਾ।
ਇਸਦੇ ਪਿੱਛੇ, ਅਸਲ ਵਿੱਚ, ਪ੍ਰੋਗਰਾਮਿੰਗ AI ਵਿੱਚ ਇੱਕ ਸਪੱਸ਼ਟ ਪੇਸ਼ੇਵਰ ਤਰੱਕੀ ਹੈ - "ਬਹੁਤ ਵਧੀਆ ਦਿਖਾਈ ਦੇਣ ਵਾਲੇ" ਵਾਈਬ ਕੋਡਿੰਗ ਦਾ ਪਿੱਛਾ ਕਰਨ ਤੋਂ ਲੈ ਕੇ ਮਜ਼ਬੂਤੀ ਅਤੇ ਇੰਜੀਨੀਅਰਿੰਗ ਅਨੁਸ਼ਾਸਨ 'ਤੇ ਜ਼ੋਰ ਦੇਣ ਤੱਕ।
ਇਸ ਤੋਂ ਵੀ ਮਹੱਤਵਪੂਰਨ ਗੱਲ ਇਹ ਹੈ ਕਿ GLM-5 ਦੀ ਦਿੱਖ ਇੱਕ-ਵਿਅਕਤੀ ਕੰਪਨੀ ਦੇ ਸੰਕਲਪ ਨੂੰ ਵਧੇਰੇ ਵਿਹਾਰਕ ਬਣਾਉਂਦੀ ਹੈ।ਜਦੋਂ ਇੱਕ ਡਿਵੈਲਪਰ ਕੋਲ ਇੱਕ ਸਥਾਨਕ AI ਭਾਈਵਾਲ ਹੋ ਸਕਦਾ ਹੈ ਜੋ ਸਿਸਟਮ ਡਿਜ਼ਾਈਨ ਨੂੰ ਸਮਝਦਾ ਹੈ, ਲੰਬੇ ਸਮੇਂ ਤੱਕ ਚੱਲ ਸਕਦਾ ਹੈ, ਅਤੇ ਆਪਣੇ ਆਪ ਨੂੰ ਠੀਕ ਕਰ ਸਕਦਾ ਹੈ, ਤਾਂ ਬਹੁਤ ਸਾਰੇ ਇੰਜੀਨੀਅਰਿੰਗ ਕੰਮ ਜੋ ਪਹਿਲਾਂ ਇੱਕ ਟੀਮ ਦੇ ਆਕਾਰ ਦੀ ਲੋੜ ਹੁੰਦੀ ਸੀ, ਹੁਣ ਇੱਕ ਵਿਅਕਤੀ ਦੇ ਨਿਯੰਤਰਣ ਵਿੱਚ ਸੰਕੁਚਿਤ ਹੋਣੇ ਸ਼ੁਰੂ ਹੋ ਜਾਂਦੇ ਹਨ। ਅੱਗੇ, GLM-5 ਵਿੱਚ ਇੱਕ-ਵਿਅਕਤੀ ਕੰਪਨੀ ਵਿੱਚ ਮੁੱਖ ਇੰਜੀਨੀਅਰਿੰਗ ਲਾਗੂਕਰਨ ਲਈ ਜ਼ਿੰਮੇਵਾਰ "ਡਿਜੀਟਲ ਭਾਈਵਾਲ" ਬਣਨ ਦੀ ਸਮਰੱਥਾ ਹੈ।
